Route Background Semantic X2

🚀 route_background_semantic_x2

route_background_semantic_x2 是一個在圖像分割領域表現出色的模型，它基於 Logiroad/route_background_semantic_x2 進行微調，在特定數據集上取得了良好的評估結果，為圖像分割任務提供了有效的解決方案。

🚀 快速開始

此模型是 Logiroad/route_background_semantic_x2 在 Logiroad/route_background_semantic 數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值 (Loss)：0.4592
• 平均交併比 (Mean Iou)：0.2260
• 平均準確率 (Mean Accuracy)：0.2982
• 整體準確率 (Overall Accuracy)：0.3342
• 未標記準確率 (Accuracy Unlabeled)：nan
• 切割準確率 (Accuracy Découpe)：0.2100
• 氣象反射準確率 (Accuracy Reflet météo)：0.1023
• 其他修復準確率 (Accuracy Autre réparation)：0.3946
• 結冰或滲水準確率 (Accuracy Glaçage ou ressuage)：0.3102
• 湧現準確率 (Accuracy Emergence)：0.4740
• 未標記交併比 (Iou Unlabeled)：0.0
• 切割交併比 (Iou Découpe)：0.1894
• 氣象反射交併比 (Iou Reflet météo)：0.1009
• 其他修復交併比 (Iou Autre réparation)：0.3656
• 結冰或滲水交併比 (Iou Glaçage ou ressuage)：0.2399
• 湧現交併比 (Iou Emergence)：0.4600

🔧 技術細節

訓練超參數

在訓練過程中使用了以下超參數：

• 學習率 (learning_rate)：6e-05
• 訓練批次大小 (train_batch_size)：6
• 評估批次大小 (eval_batch_size)：6
• 隨機種子 (seed)：1337
• 優化器 (optimizer)：使用 OptimizerNames.ADAMW_TORCH，其中 betas=(0.9,0.999)，epsilon=1e-08，無額外優化器參數
• 學習率調度器類型 (lr_scheduler_type)：餘弦
• 訓練步數 (training_steps)：200000

訓練結果

框架版本

• Transformers 4.46.1
• Pytorch 2.3.0
• Datasets 3.1.0
• Tokenizers 0.20.3

📄 許可證

文檔中未提及相關許可證信息。若有需要，請進一步查閱相關資料獲取該模型的許可證詳情。